第4章：回测框架基础

回测是量化交易的核心环节，通过历史数据验证策略的有效性。

学习目标

• ✅ 理解回测的概念与重要性
• ✅ 了解常见的回测框架及其特点
• ✅ 掌握关键回测指标的计算方法
• ✅ 识别和避免常见的回测陷阱
• ✅ 实现完整的回测系统

4.1 回测的概念与重要性

回测（Backtesting） 是指使用历史数据来模拟交易策略的表现。

为什么需要回测

1. 验证策略逻辑：检验策略是否按预期工作
2. 评估策略表现：计算历史收益率、评估风险
3. 风险管理：了解最大回撤、评估波动率
4. 节省时间和金钱：避免直接实盘亏损

4.2 回测指标详解

收益率指标

def total_return(final_value, initial_value):
    """总收益率"""
    return (final_value - initial_value) / initial_value

def annualized_return(total_return, days):
    """年化收益率"""
    return (1 + total_return) ** (252 / days) - 1

风险指标

def volatility(returns):
    """年化波动率"""
    return returns.std() * np.sqrt(252)

def max_drawdown(cumulative_returns):
    """最大回撤"""
    peak = cumulative_returns.cummax()
    drawdown = (cumulative_returns - peak) / peak
    return drawdown.min()

风险调整收益

def sharpe_ratio(returns, risk_free_rate=0.03):
    """夏普比率"""
    mean_ret = returns.mean() * 252
    vol = returns.std() * np.sqrt(252)
    return (mean_ret - risk_free_rate) / vol

4.3 回测陷阱与注意事项

常见陷阱

1. 过拟合：过度优化参数
2. 未来函数：使用了当时未知的信息
3. 生存偏差：只选择存活公司
4. 交易成本忽略：忽略手续费、滑点
5. 流动性问题：忽略买卖冲击成本

解决方案

# 样本外测试
train_data = data[:int(len(data) * 0.7)]
test_data = data[int(len(data) * 0.7):]

# 考虑交易成本
def apply_costs(profit, commission_rate=0.0003):
    return profit - commission_rate

4.4 完整回测系统

class BacktestEngine:
    """完整回测引擎"""
    
    def __init__(self, initial_cash=1000000):
        self.initial_cash = initial_cash
        self.cash = initial_cash
        self.positions = {}
        self.trades = []
    
    def buy(self, code, price, shares):
        """买入"""
        cost = price * shares
        if cost <= self.cash:
            self.cash -= cost
            self.positions[code] = self.positions.get(code, 0) + shares
    
    def sell(self, code, price, shares):
        """卖出"""
        if code in self.positions:
            revenue = price * min(shares, self.positions[code])
            self.cash += revenue
            self.positions[code] -= shares
    
    def run(self, data, strategy):
        """运行回测"""
        for i in range(len(data)):
            signal = strategy.generate_signal(data.iloc[:i+1])
            # 执行交易...

本文节选自《AI量化交易从入门到精通》第4章
完整内容请访问代码仓：bookwriting/part1basics/part4_backtest/README.md